对 2 索引数据透视表进行排序：组内的值，基于值的索引

Question

我有一个这样的数据框：

x = pd.DataFrame({'col1':['bul', 'eng','eng', 'ger','ger', 'fra','fra'],
                  'col2':['fra', 'ger','fra', 'fra','eng', 'ger','eng'],
                  'col3':[    1,     4,    2,     6,    7,    20,    5]})
pt = pd.pivot_table(x, index = ['col1', 'col2'], values = 'col3', aggfunc = np.sum)
pt
           col3
col1 col2      
bul  fra      1
eng  fra      2
     ger      4
fra  eng      5
     ger     20
ger  eng      7
     fra      6

我想要排序到达：

           col3
col1 col2      
fra  ger     20
     eng      5
ger  eng      7
     fra      6
eng  ger      4
     fra      2
bul  fra      1

第三列按降序排序（在 col1 单元格内），col1 基于 col3 的属性排序，这里是 max (20 > 7 > 4 > 1)

有几个问题涉及类似的问题，我的问题是相关的，因为它具有描述性标题和示例数据（其他问题的答案也不适合我）

https://stackoverflow.com/a/45300480/3014199 建议

df = pt.reset_index()
       .sort_values(['col1','col3'], ascending=[True, False])
       .set_index(['col1','col2'])

print(df)
           col3
col1 col2      
bul  fra      1
eng  fra      2
     ger      4
fra  eng      5
ger  fra      6
     eng      7
fra  ger     20

这似乎为那里的 dataFrame 排序 col3，但似乎对我的数据根本不起作用。

Pandas: Sort pivot table 似乎也很有希望，但和其他人一样，我得到了ValueError: all keys need to be the same shape

更新：
我的例子不够笼统，对不起！如果 2 个组共享相同的最大值，它也应该工作，例如

x2 = pd.DataFrame({'col1':['bul', 'eng','eng', 'ger','ger', 'fra','fra'],
                   'col2':['fra', 'ger','fra', 'fra','eng', 'ger','eng'],
                   'col3':[    1,     7,    2,     6,    7,    20,    5]})

例如MaxU 的解决方案产生：

           col3
col1 col2           
fra  ger   20 
     eng   5  
ger  eng   7  
eng  ger   7  
ger  fra   6  
eng  fra   2  
bul  fra   1  

我敢打赌，将 col1 的散列（或者更确切地说是一个分组数除以 10）添加到“最大值”会起作用，但必须有更好的方法...
是的！这似乎有效：

pt['New']=pt.groupby(level='col1').col3.transform('max')
pt['New'] = 1/(pt.index.labels[0]+1)+pt['New'].values
pt=pt.sort_values(['New','col3'],ascending=False).drop('New',1)

Answer 1

我们可以使用一个新的para来实现这个

pt['New']=pt.groupby(level='col1').col3.transform('max')
pt=pt.sort_values(['New','col3'],ascending=False).drop('New',1)
pt
Out[1445]: 
           col3
col1 col2      
fra  ger     20
     eng      5
ger  eng      7
     fra      6
eng  ger      4
     fra      2
bul  fra      1

更新：

pt['New']=pt.groupby(level='col1').col3.transform('max')
pt['New1']=pt.groupby(level='col1').col3.ngroup()
pt=pt.sort_values(['New','New1','col3'],ascending=False)


pt
Out[151]: 
           col3  New  New1
col1 col2                 
fra  ger     20   20     2
     eng      5   20     2
ger  eng      7    7     3
     fra      6    7     3
eng  ger      7    7     1
     fra      2    7     1
bul  fra      1    1     0

Answer 2

这是一个与 Wen 非常相似的解决方案，它使用 set_index、sort_index 和 reset_index：

In [188]: (pt.set_index([pt.groupby(level='col1').col3.transform('max'), pt['col3']], append=True)
     ...:    .sort_index(level=[2,3], ascending=False)
     ...:    .reset_index(level=[2,3], drop=True)
     ...: )
     ...:
Out[188]:
           col3
col1 col2
fra  ger     20
     eng      5
ger  eng      7
     fra      6
eng  ger      4
     fra      2
bul  fra      1